量化择时模型简介与规则 [page::4]

• 基于10个月简单移动均线（SMA）的趋势跟踪策略。

- 买入规则：当月价格高于10个月SMA时买入，低于则卖出。

• 采用月频数据，买卖价格为当日收盘价，无考虑交易成本和滑点。

S&P 500指数回测结果 [page::5][page::6]

• 模型在1900-2005年间年化收益率提升至10.66%，波动率降低至15.38%，夏普率提升至0.43，最大回撤为-49.98%。

- 在熊市期间显著规避风险，减少最大回撤幅度。

• 1990-2005年择时系统规避了2000年科技泡沫后的跌幅，实现风险控制。

不同移动均线周期下择时模型表现对比 [page::8]

| 指标 | S&P500 | 6月SMA | 8月SMA | 10月SMA | 12月SMA | 14月SMA |
|----------------|--------|--------|--------|---------|---------|---------|
| CAGR | 9.75% | 10.02% | 10.60% | 10.66% | 10.80% | 10.55% |
| 波动率 | 19.91% | 15.08% | 15.37% | 15.37% | 15.57% | 15.81% |
| 夏普比率 | 0.29 | 0.40 | 0.43 | 0.43 | 0.44 | 0.41 |
| 最大回撤 | -83.66%| -44.65%| -56.09%| -49.98% | -47.74% | -51.35% |
| 持仓时间比例 | 100% | 69% | 70% | 70% | 71% | 72% |

• 不同窗口期限下表现相近，10个月SMA参数在稳定性和表现上均较优。

多资产类别样本外测试及战术资产配置表现 [page::8][page::9]

| 资产类别 | CAGR(%) 持有期 | CAGR(%) 择时 | 波动率 择时 | 最大回撤 择时 | 夏普比率 择时 |
|------------|-------------|------------|-------------|--------------|------------|
| SP500 | 11.24 | 11.18 | 14.00% | -23.26% | 0.51 |
| EAFE | 11.34 | 12.02 | 18.17% | -23.23% | 0.44 |
| 10年国债 | 8.35 | 8.73 | 10.87% | -11.18% | 0.44 |
| GSCI | 12.03 | 12.46 | 20.44% | -37.98% | 0.41 |
| NAREIT | 10.60 | 12.33 | 12.92% | -16.42% | 0.64 |

• 择时模型降低了各类资产的波动率和最大回撤，提升风险调整收益。

- 平均胜率达54.8%，获利交易持仓时长长于亏损交易。

投资组合层面择时配置及杠杆应用 [page::9][page::10]

• 等权配置5类资产的买入持有组合与择时组合对比：

- 择时组合波动率显著下降，最大回撤由~20%降至不到10%，夏普比率提升至1.20。

• 采用2倍杠杆择时组合，年化复合收益率提升至16.56%，风险水平与买入持有组合相近。

| 策略 | CAGR | 波动率 | 夏普比率 | 最大回撤 |
|---------|-------|--------|----------|----------|
| 买入持有 | 11.57%| 10.04% | 0.75 | -19.62% |
| 择时策略 | 11.92%| 6.61% | 1.20 | -9.51% |
| 择时 2X杠杆 | 16.56%| 13.88% | 0.90 | -21.87% |

模型实际应用考虑 [page::11]

• 低换手率带来佣金和滑点成本较小。

- 管理费视投资工具而定，ETF和低费率共同基金通常20-100个基点。

• 税收影响较大，采用递延税账户更优。

- 策略特点为多数短期小额亏损，长期获得较高收益，便于税负优化。

量化择时模型投资逻辑总结 [page::0][page::12]

• 以机械化规则防止情绪影响，简单有效；

- 旨在降低投资组合风险，而非单纯提升收益；

• 适用于不同市场和多资产类型，实现风险调整收益提升；

- 能规避大幅市场回撤，保持长期稳定正收益。

战术资产配置的量化方法（上）——详尽分析报告

---

一、元数据与概览

报告标题：战术资产配置的量化方法（上）

作者：李祥文（分析师）、王瑞韬（研究助理）

发布机构：国泰君安证券研究所

发布日期：未明确标注具体日期，报告联系信息及相关报告发布时间均在2021年左右

主题及范围：本报告主要解读并分析了Mebane T. Faber（2007）发表在《The Journal of Wealth Management》上的论文《A Quantitative Approach to Tactical Asset Allocation》。报告重点围绕基于10个月简单移动均线（10-month SMA）的量化择时模型在战术资产配置中的应用，研究该模型对多个市场及大类资产组合的回测表现和风险收益改进效果。

核心论点与主要信息：

• 该简单移动均线量化模型能够显著改善风险调整后的收益。

- 模型不仅提升收益，更关键是有效降低投资组合的波动性和最大回撤，规避熊市风险。

• 实证表明，趋势跟踪机制能稳定帮助投资者获得正收益，降低整体风险暴露。

- 该择时策略广泛适用不同资产类别及市场，且具备较强的稳健性。

• 作者强调趋势跟踪虽简单但效果突出，投资者不应忽视其价值。

- 续篇论文于2016年发布，报告将于下篇继续深度分析。

本报告还通过大量的数据和图表呈现了择时策略的历史表现及其在资产配置中的优势，传递了“简单有效、降低风险、提高风险调整收益”的投资理念。[page::0], [page::2]

---

二、逐节深度解读

2.1 文献概述与引言

报告引用的核心文献Faber（2007）提出通过10个月SMA来判断市场趋势，实现风险调整收益的优化。通过对20多个市场及五大类资产的样本内外回测，发现该择时模型尤其在降低风险方面表现突出，收益虽与市场持平但伴随风险显著降低。

引言部分指出，过去资产市场虽为长期买入者提供较高收益，但遭遇大幅回撤风险，且跌后回本周期漫长（如$75\%$回撤需$300\%$收益回升，时间或达15年）。这提示单纯被动持有并非对所有周期均优选策略。择时策略因能规避部分熊市而显现其价值。此外，现代投资组合理论追求风险与收益权衡，市场择时对于alpha和beta的获取方式提出质疑，激发了择时模型研究。[page::2]

2.2 市场择时与趋势跟踪

报告对趋势跟踪系统的历史与理论进行了回顾：

• 早期的趋势跟踪包括道氏理论（Dow Theory）和“四百分比模型”（Four Percent Model），均通过技术指标或规则试图捕捉价格趋势。

- 许多机构如Merriman Capital Management使用趋势跟踪管理多资产。

• 实证研究表明，趋势跟踪系统经调整幸存者偏差、流动性和交易成本后仍有效；期货市场的趋势跟踪尤其盛行。

- 解释策略成功的理论包括行为金融学观点，如市场动量特性源自投资者过度反应及获利回避等行为偏差（引自Kahneman与Tversky的前景理论，Prospect Theory）。

以上内容为策略机制提供理论基础，说明其成功非偶然，而是市场情绪与价格动态交互的必然表现。[page::3]

2.3 量化择时系统与应用

2.3.1 标准与规则

择时模型需满足：

• 简单机械，去除主观情绪影响；

- 参数统一适用，不针对特定资产调整；

• 只依赖价格数据。

采用10个月SMA规则：

• 当月价格>10月SMA则买入；

- 当月价格<10月SMA则卖出，资金转为现金。

交易价格采用月末收盘价，数据月频，无税费与交易成本估计。通过样本内回测与样本外测试验证有效性，避免过拟合担忧。[page::4]

2.3.2 S&P500指数回测分析

报告针对1900-2005年标准普尔500指数进行了深度回测分析。主要结论：

• 择时策略约持仓70%时间，平均每年换手次数小于1。

- 与全程买入持有相比，择时策略：
- 年化复合收益率由9.75%提升到10.66%；
- 年度波动率从19.91%降至15.38%；
- 最大回撤由-83.66%大幅降低至-49.98%；
- 夏普比率由0.29提升至0.43；
- 溃疡指数由20.33%降至11.70%。

图1（对数收益率曲线）显示择时策略有效避开了1930年代和2000年代两次大熊市，极大减缓了资金的损失。

图2（1990-2005年收益）揭示择时策略在牛市表现稍逊，但在熊市退出显著规避损失（2000年退出市场仅亏16.52%，而直接持有亏损44.73%），体现出择时策略的周期敏感性及风险管理能力。

表2显示择时系统在市场表现不佳年份的收益与指数呈负相关（-0.37），表明策略有效规避亏损期。

此外，收益散点图（图3）强调在正收益时择时收益线性关联于买入持有，负收益时则波动更大，体现择时策略避免了部分大额亏损。

图4的收益分布直观显示择时策略降低了极端收益和亏损出现频率，确认其稳健性。[page::5-7]

2.3.3 参数灵敏度分析

表3调试不同SMA周期（6-14个月）回测结果，发现10个月SMA并非所有指标最佳，但整体表现稳定均衡，这增强了模型的适用性及抗过拟合能力。[page::8]

2.4 样本外测试及多资产战术配置

报告进一步对20多个市场样本外测试，70%市场绝对收益提升，超过90%市场风险调整表现改善。

采用五类代表资产（S&P 500、MSCI EAFE、10年美国国债、GSCI大宗商品、NAREIT房地产投资信托）测试各资产择时策略：

• 择时后的收益率与原始资产相近，部分甚至更高；

- 风险指标如波动率、最大回撤、溃疡指数均显著改善；

• 择时交易胜率54.8%，盈利交易收益显著超过亏损交易；

- 持仓期长，平均亏损交易期短，显示亏损迅速止损。

图5风险收益分布图强烈表明择时策略令资产风险收益点向“更高收益、低风险”方向移动。

在组合层面，采取等权配置五资产并对每个资产单独应用择时机制：

• 持仓时间在60%-100%之间；

- 组合风险显著减少，回撤减半，波动率低至6.61%；

• 年化收益率稍有提升，年收益均为正，表现稳健；

- 应用2倍杠杆后复合年增长率提高约500基点，风险仍然可控。

图6对数收益曲线显示2倍杠杆择时组合显著优于无杠杆策略和标普指数。

同时，报告详细讨论了现实交易中的费用因素：

• 管理费估计20到100个基点；

- 由于低换手率，佣金与滑点对策略影响微弱；

• 税务对投资者收益影响较大，推荐使用递延税账户进行交易；

- 择时策略具有大量短期小额亏损和相对较长周期的盈利，有利于降低税务负担。

图7交易持仓时间和收益分布进一步证实上述利润与期限特征。[page::8-12]

2.5 结论

报告总结认为：

• 通过机械化、简单的趋势跟踪量化择时策略，

- 可以持续降低投资组合风险，

• 几乎不影响平均收益，

- 适用于多资产类别和跨市场投资，

• 在历史样本内外均表现稳定，

- 抵御市场熊市，助力长期稳健收益。

这验证了趋势跟踪策略作为战术资产配置有效工具的价值，并呼吁投资者不要忽视这种结构简单却有效的模型。[page::12]

---

三、图表深度解读

表1：1900-2005年S&P 500指数与择时系统表现对比

• 该表综合呈现年化复合增长率（CAGR）、波动率（Stdev）、夏普比率（Sharpe）、最大回撤（MaxDD）、溃疡指数（Ulcer Index）等指标。

- 择时系统CAGR为10.66%，高于买入持有9.75%；

• 风险指标显著改善，波动率、最大回撤几乎减半，夏普率从0.29提升0.43。

- 持仓时间69.77%，年换手率0.67，交易获利率63%。

• 表明策略有效地在股票熊市期间规避风险，同时在多头市场保持参与。

图1：S&P 500与择时策略对数收益率（1900-2005）

• 图中红线（择时）始终跑赢蓝线（买入持有），显示策略稳定跑赢市场主要得力于有效规避市场大跌，尤其在1930年代大萧条期间回撤减幅显著。

- 对数收益率突出表现出复利效应和长线累计优势。

表2：S&P 500表现最差10年对应择时收益

• 该表强调择时策略几乎在所有极差年份中避免了亏损甚至实现正收益。

- in bear years，两者收益相关性为负，说明择时策略能够在市场下行时有效避免损失。

图3：超额收益散点图

• 正超额收益时走势呈现线性相关，策略能分享上升期收益；

- 负超额收益时期离散，显示策略有效减少亏损风险。

图4：收益分布柱状图

• 相较买入持有，择时系统减少了极端高收益和高亏损出现的次数，使收益更集中和稳定。

表3：不同SMA周期择时表现对比

• 虽非所有指标最佳均集中在10个月，但10个月参数表现较为均衡和稳定，避免参数过拟合风险。

表4：五类资产择时表现对比

• 择时后各资产波动率均下降，

- 最大回撤大幅降低，

• 夏普率提高（部分资产由0.33提升至0.64），

- 反映策略有效控制组合整体风险，

• 其中大宗商品和房地产收益提升显著。

表5：择时系统持仓比例

• 绝大多数时间资产持仓比例保持在60%-100%，说明择时策略主要是通过控制持仓比例适当规避风险，而非完全退出持仓。

表6：资产组合买入持有与择时策略年度收益对比

• 表格中的年度数据表明择时策略避免多次亏损，尤其在1973、1974和2001、2002年等明显下行年份展现优势。

- 总体CAGR提升至11.92%，波动率降至6.61%，夏普率1.20，表明风险调整后收益最优。

表7：2倍杠杆择时策略表现

• 杠杆策略CAGR提升至16.56%，相较买入持有无杠杆收益提升显著，

- 风险控制仍然较优，最大回撤仅轻微增加至-21.87%，

• 展现适度放大策略收益潜力。

图6：三条曲线对比（S&P 500、择时1X、择时2X）

• 图形清晰显示杠杆策略曲线领先其他两者，长期累积收益更优。

图7：择时策略交易持仓时间与收益分布

• 收益随着持仓时间延长显著增加，短期亏损居多但幅度较小，长期持仓趋势产生丰厚回报，

- 体现择时策略通过捕捉中长期趋势实现价值增长。

---

四、估值分析

本报告及其所解读的核心文献主要聚焦于战术资产配置策略的回测与风险收益表现分析，并未涉及具体企业或股票的估值模型、DCF等传统估值技术。因此，报告中无详细估值分析和目标价推导，投资者需结合其他研究综合判断。

---

五、风险因素评估

报告虽未明确专门章节点评策略风险，但间接提及及实证内容彰显以下风险考虑：

• 市场周期与经济环境变化风险：择时策略表现依赖市场趋势明显性，在极端横盘或震荡市中可能失效。

- 模型参数选择风险：尽管10个月SMA表现稳健，参数不合理设定或过度优化仍可能导致不理想结果。

• 交易成本与税费风险：虽然报告认为低换手率降低了佣金与滑点影响，税收仍可能显著侵蚀净收益，尤其在应税账户环境。

- 杠杆风险：2倍杠杆策略提升潜在收益的同时，引入了更高的最大回撤及市场风险暴露。

• 数据窥探风险：报告通过样本外测试减轻，但仍需警惕过往数据表现不代表未来。

缓解策略建议投资者：

• 使用统一且简单的参数避免过度拟合；

- 利用税收递延账户执行策略规避个人税负；

• 控制杠杆比例与风险容忍度匹配；

- 积极监控市场环境，识别震荡风险。

---

六、批判性视角与细微差别

• 报告强调整体择时策略更显著在风险管理而非收益提升，体现较为谨慎的态度。

- 选用10个月SMA虽然简单稳定，但其他周期参数表现略优，存在模型选择上的灵活性空间。

• 由于未考虑交易成本和税收，实际净收益可能低于回测表现，尤其对高频交易者影响更大。

- 对于部分震荡盘整市场的适用效果尚未充分探讨。

• 杠杆策略提升收益伴随回撤扩大，风险管理需加强。

- 报告未深入分析择时策略在不同市场结构（如新兴市场）中的表现差异及具体实施难题。

• 税收讨论虽然给出方向，但缺乏针对中国税务环境的解析，或存在适用局限。

- 内部多次提醒策略在实际应用需结合投资者特征调整，体现研究的务实态度。

---

七、结论性综合

本报告围绕Faber（2007）经典文献，深入剖析了基于10个月简单移动均线的量化择时模型在战术资产配置中的有效性。通过历史长周期回测（1900-2005年）与广泛样本外多资产测试，择时策略被实证表现为一种简单机械、参数统一且仅基于价格的趋势跟踪模型。该模型显著降低了投资组合的波动率与最大回撤，使得资产组合在取得类似股票收益的基础上，风险特征接近债券类资产。

图表与数据充分展示：

• 择时策略使风险调整收益（Sharpe Ratio）大幅提升，从0.29提升至0.43，扩大了组合的风险容忍度。

- 多资产应用下的策略同样显著降低风险指标，部分资产实际收益提升，增强配置效率。

• 组合规模等权加杠杆后，策略复利年增长率提升约5个百分点，且风险控制合理。

- 交易持仓期与收益分布凸显短期亏损与长期获利结构，税务递延账户措施可进一步优化净收益。

报告强调趋势跟踪策略虽简单，却能对抗市场熊市风险，有效平滑投资曲线，投资者不应忽视其价值。同时提示实施过程中需关注现实交易成本、税务负担及参数选取，保持警惕过拟合与市场结构变化风险。

总体上，作者持肯定态度，推荐关注趋势跟踪方法作为战术资产配置的核心工具。下篇报告预计将解读策略的后续研究和扩展。国泰君安研究所则以独立、客观、公正的立场对该策略进行了详实解读，为中国投资者理解和应用趋势跟踪择时策略提供了重要参考框架。[page::0-13]

---

附录：部分核心图表展示

图1：S&P 500指数与择时策略对数收益率（1900-2005）



图2：S&P 500指数与择时策略累计收益率（1990-2005）



图3：S&P 500与择时系统超额收益对比



图4：S&P 500与择时系统收益分布（1900-2005）



图5：买入持有与择时策略风险收益比较（1972-2005）



图6：S&P 500指数、择时策略与2倍杠杆择时策略业绩曲线



图7：择时策略交易持仓时间与收益分布（1972-2005）



---

结语

本报告极其详尽地解读了Faber（2007）引入的基于10个月简单移动均线的趋势跟踪择时策略，系统阐述了其历史表现、风险控制能力、多资产适用性及现实应用考量。本报告内容全面、数据详实、逻辑严谨，是对战术资产配置及趋势跟踪领域的重要贡献，也为投资者实操策略提供扎实理论和实证支持，是资产配置研究和实践不可或缺的参考。

报告